抓错误概念的诊断：AI 从学生的错答里读出什么

对一个写下“三分之一加四分之一等于七分之一”的学生，只是简单标个错，同样的失误下周还会再冒出来。有意义的纠正，发生在点出这个学生错误地相信分子与分母可以各自相加这一错误概念的时候。AI 诊断真正的价值不在判分，而在把这份错误信念的真面目揭出来。

从错答中给错误概念分类的方式

AI 把错答连到错误概念上的过程，大致要走三步。

• 错答聚类：把大量学生的错答收拢，把相似的答案归成一堆。像七分之一这样同一个错误数值反复出现，就是共同错误概念的信号。
• 推定规则：反向追踪这一簇是从哪条错误规则里生出来的。上面那个例子，就是分子与分子相加、分母与分母相加。
• 匹配纠正题：拿出正面撼动这个被推定出的错误概念的题目。比如让学生亲手算一遍反例的题目就很有效。

有了这条流程，老师不必一个一个追问“为什么错了”，也能一眼看到全班的错误概念地图。

纠正题要设计成正面相撞

错误概念光靠斯文的讲解，是不容易消失的。高中科学里，对一个抱着“重的物体掉得更快”这种信念的学生，只是把公式再摆一遍，多半原封不动。要给他的，是自己预测的结果与实际测量值对不上的经历。

1. 先让学生把预测写下来（认知上的承诺）。
2. 让他亲自确认与预测相反的结果。
3. 让学生自己来解释这个落差。

纠正错误概念的核心不是多给信息，而是与既有的信念制造冲突。

也不能相信纠正一次就完事。错误概念很顽固，一节课上看似已经掰正，几天后又常常以同样的形态复活。所以重要的是，不在纠正之后立刻、而是在过了一周左右的时点，再抛一道瞄准同一个错误概念的题目。如果在这次延迟检查里又错了，那说明学生只是表面上改了，并没有抵达深层的理解。AI 诊断连这种拉开时间间隔的再确认也会自动照看，所以老师不必一一记着，也能追踪纠正的持续性。

核心要点

AI 的错误概念诊断，会把错误数值收拢起来推定出背后错误的规则，再接上一道正面撼动那条规则的题目。老师可以把这份诊断结果当作班级层面的错误概念地图，用它重新设计课堂的导入部分。 请不要停在判分上，试着从一行错答里读出它所指向的错误信念。单元形成性评价刚结束时是最好的起点，建议先在一个小单元里试一试，看到效果之后再逐步扩到别的单元。当老师手里握着诊断指出的错误概念地图，就可以不再重复同样的讲解，而是从班级真正卡住的地方重新出发。